证券投资组合分析报告

证券投资组合分析报告（11篇）

1.证券投资组合分析报告 篇一

对“证券投资组合模型分析”的总结概述 投资组合二参数接近分析的原理

任何证券投资都涉及收益与风险两个基本要素,其基本目标是在一定风险水平下取得最大可能的预期收益率.证券投资中的风险有两类:即系统性风险与非系统性风险.系统性风险属于不可分散的风险,它是由全局性事件引起的投资收益率变动的可能性，它影响所有的证券,但对各种证券影响的程度并不相同;非系统性风险是可分散的风险,它受到非全局性事件的影响,它只引起单个证券收益率的变动.分散此类风险的基本策略是“不要把所有的鸡蛋都放在一个篮子里”,而应通过多样化投资来消除各种证券的非系统性风险.所谓投资组合,就是把一定的资金分散投资于多种证券,使单个证券按一定的比例构成证券集合,从而实现既定风险水平下的预期收益率最大化.投资组合问题可以描述为:已知单个证券j在任一状态i下的收 益率rji(等于股利加利得与投资之比)及其概率分布hi,进而可以用统计方法确定其期望收益率E(rj)、方差σ2(j)及协方差c(rj,rk).设投资组合中任一证券的组合权数为xj(购买j证券的金额与投资组合总金额之比),满足

其中 m为投资组合中的证券数;xj> 0表示买入证券j,xj< 0表示卖空证券j。设投资组合在任意状态下的收益率以rp,i表示,则

依统计原理,其收益率的期望值及方差为

现在所要解决的问题是投资组合的优化问题,这一问题的实质是在给定风险水平下,寻求产生最大期望收益率的投资组合.或是在给定期望收益率下,寻求风险水平最低的投资组合.Markowitz模型及单指数模型的局限性与行业事件

Markowitz模型是以投资组合二参数描述的一般性表达式，直接建立投资组合的优化模型.在以给定期望收益率E的方差σ2最小为目标,且不允许卖空(xj<0)的情况下, Markowitz模型为[3]

上式中 σjρjkσk就是证券j、k收益率的协方差cjk.用矩阵形式表示,可改写为：

该模型在理论基础上是完备的,但它在构造大规模证券组合方面,并未得到广泛的应用.其原因在于当变量数目较大时,协方差矩阵中包含大量非零元素,使得相应的二次规划的求解在计算上非常困难,同时大量协方差的估计本身亦非常繁琐.正因为如此,W.F.Sharpe引进了单指数模型对其进行简化.单指数模型是建立在以下两个基本假设基础之上的[3]:

(1)不同时期证券收益率的差异,主要是影响所有证券的宏观事件推动所致,该影响以市场收益率rm表示.(2)引起个别证券收益率波动的,是只对个别公司产生影响的微观事件的发生,它引起证券收益率偏离特征线(即拟合线)而出现残差εj.依上述假设,可将证券j在任一状态i下的收益率表示为

其中 Aj为常数,反映特征线的截距;βj为相关系数,反映特征线的斜率.单个证券的期望收益率为

投资组合的期望收益率可由式(2)确定,并可由式(3)导出组合方差的简化公式

由上式可知,单指数模型中组合方差的计算,只需对各证券的βj值、残方差σ2(εj)与市场收益率方差σ2(rm)进行估计即可,因而使计算较Markowitz模型大为简化.事实上,在现实经济活动中,行业事件不仅是大量存在的,而且其影响是重要的,甚至是关键性的.例如,一个行业中的主导公司所采取的某种竞争行为(如竞争性降价),必然对本行业所有公司产生重大的影响,但对其他行业公司的影响,则往往是可以忽略的.3 单指数模型的改进

为增强单指数模型的精确度,须使行业事件的影响在模型中得以体现.在受影响的行业内,证券的β> 0,不受影响行业的证券β= 0.为简化,下面假定只有一种行业事件来进行讨论.在考虑行业事件影响的情况下,证券j在任意状态i下的收益率可表示为

式中 Aj为常数,βm,j与βg,j分别为市场收益率rm,i与行业事件收益率gi的β值,εji为残差.需指出的是,当市场上有行业事件发生时,rm,i由该行业以外所有证券的综合收益率得出,而gi可由经验或其他方法得出,以保证rm,i与gi之间的独立性.在求βm,j与βg,j时,可采用与单指数模型类似的方法,后者是在rm-rj平面上建立最优拟合线,而前者可在rm-g-rj空间中取得最优拟合平面,使r-j=Aj+βm,jr-m+βg,jg-,从而求得βm,j与βg,j,且能保证E(εj)= 0.组合收益方差的推导如下: 由m种证券构成的投资组合的收益率rp,i及其期望值E(rp)如下

由于E(ε)= 0,εi可化作[εi-E(ε)],所以式(10)可简化为

按假定条件

最终可简化为

σ2(ε)可由各证券的残方差给出

最后,由式(9)及(12)可以给出单指数模型的修正模型

2.证券投资组合分析报告 篇二

资产组合的风险价值测度是指在某一置信水平下，该资产组合可能遭受的最大损失，从统计学的角度讲，它是在给定的持有期限内，资产组合收益率损失分布函数的特定分位点的估计值。资产组合的风险价值测度的传统估计方法是假设收益率遵循条件正态分布的方差-协方差矩阵法，但这种方法的假设条件与现实不符，实践上经常会导致风险价值测度估计的偏差。

国外大量证据表明，证券资产收益率分布通常是尖峰、厚肥[1,2]（Hsieh,1988;Meese,1986），这主要是来自资产收益率时间序列的跳跃、震荡和波动持续性。资产收益率时间序列的波动持续性通常是用ARCH或GARCH模型来描述，其无条件尖峰分布源自于条件方差的持续性所产生的波动集簇。在JP Morgan的风险矩阵模型中，波动性是用指数加权移动平均法来估计的，这种方法更强调新近收益率数据在波动估计中的权重，其实质是GARCH模型的一个特例[3]（Phelan,1995）。这种模型与历史模拟法、蒙特卡洛模拟法、学生t分布法[4]（Rogalski和Vinso,1978）、跳跃扩散过程[5]（Akgiray和Booth,1988）、GARCH模型[6]（Bollerslev et al.，1992）、混沌模型（Brock和Sayers,1988;Frank、Gencay和Anderson1991）、平稳的非标准类随机过程[7]（Mandelbrot,1963）和从属随机过程[8,9]（Clark,1973;Geman and Ane,1996），均不能描述证券资产收益率的跳跃现象，只能部分解决收益分布的尖峰与肥尾问题，不能完全克服风险的低估[10]（Longerstay,1996），即不能控制收益率分布尾部的风险估计问题。

Hamilton(1989）、Hansen(1991）和Lam(1990）提出恒定转换概率的区制转换模型[11]，Filardo(1992）和Ghysels(1992）建立转换概率随时间变动的区制转移模型，通过改进对收益率分布的预测来提高对风险价值估计的精确度，Rockinger(1994）、Van Norden和Schaller(1993）运用随机波动转移概率模型于股票市场收益率的肥尾分布研究，这类模型有效解决资产收益率的条件非正态分布、波动持续性和相对不频繁事件影响等问题，类似JP Morgan提出的度量风险价值尖峰与偏斜修正混合分布模型，差别是刻画这种波动区制转移随机变量由k阶马尔科夫链产生，而不是贝努利变量，用马尔科夫链变量刻画波动机制的优点是能够反映收益率预测中的条件信息影响和收益率持续性特征，更现实地描述了资产收益率尾部分布。

我国有关风险控制模型与方法研究也有不少，如：陈建国和宋铁波（1998）运用VaR模型提高信贷风险损失的控制水平，并提出了系统性市场风险水平调整问题[12]，王春峰、万海辉和李刚（2000）针对风险价值计算中主流方法的缺陷，提出了马尔科夫链-蒙特卡洛模拟计算方法，以克服传统蒙特卡洛模拟的高维和静态性缺陷，提高风险估算精确度。[13]邱阳和林勇（2002）比较并运用了历史模拟法、风险矩阵法和蒙特卡罗方法评估股票风险价值。[14]李朋根、肖春来（2007）运用CVAR模型克服了VAR忽略分布尾部极值点的风险计量问题。[15]王晨（2007）运用马尔可夫区制转移的方差模型（MS var）和ARCH模型（SWARCH），分别计算在不同样本区间和置信度水平下的上证指数和沪深300指数日收益率的VaR，发现区制转移模型明显优于传统的GARCH(1,1）模型估计结果。[16]

本文将选用10只股票型基金日交易数据，运用Hamilton(1989）提出的机制转换模型，改进我国股票型基金收益率波动风险控制方法与预测途径，较为有效地解决了我国股票型基金日收益率的条件非正态分布、波动持续性和相对不频繁事件影响等问题。

1 研究方法

我国股票型基金风险波动模式并不是一成不变的，它受各种系统与非系统因素影响，其中可能包含收益率波动的随机不连续转移因子，这种风险转移因子的影响在风险管理中是值得考虑的。本文将运用马尔可夫波动转移模型描述收益率随机波动转移特性。

(1）波动区制转移模型：

其中：Rt=ln(Pt/Pt-1）；εt～IIN(0,1）;Pt是股票型基金净值或基金市场指数；st是k阶马尔科夫链，其区制转移概率矩阵为∏。

特别，当k=2时，有：

其区制转移概率矩阵为：

其中：参数p、q分别表示资产波动性在下一考察期仍旧处于高波动区制与低波动区制的概率，模型中收益分布的均值与方差仅仅随着给定期间内离散事件而改变。对于随机离散转换，使用马尔科夫链而不用贝努利变量的优点是允许条件信息用于预测过程，解释了资产收益时间序列的集束效应，能够有效地提高预测准确性。这主要是因为波动转换机制模型产生了一个有条件的预测分布而非无条件的预测分布。

假设k=2,a为条件分布的关键值，则SSRM模型的风险价值VAR定义为：

这里：N（*）是正态分布；It是t日可获信息集；Pr(St+h│It）可由Hamilton(1994）的数值合理化算法和高斯过渡概率平滑化程序获得。μ（St+h）和σ2(St+h）分别是时间条件正态分布的均值与方差，且满足：

(2）波动区制转移贝塔模型：该模型是通过资产特定风险与市场指数波动风险的区制转移关系，来刻画资产收益率波动规律；它优于单因素套利定价模型，是在资产收益率中引入市场指数的波动区制转移机制和资产特定风险的区制转移机制；即：

这里：st和sit是两条独立的马尔科夫链；εt和εit都是独立的标准正态分布。

某种风险资产收益率的条件均值为该种资产收益率的内在均值μt(sit）加上市场贝塔系数βt(st,sit）与市场收益率均值的乘积，βt(st,sit）是对特定资产市场风险的补偿，即与市场因子协方差高的资产收益需要高的风险溢价。特定资产收益率的方差是由市场贝塔系数加权的市场指数方差加上自身的方差。

现假设马尔科夫链为2阶，则有：

其中：N是正态分布；

It是t日可获信息集，Pr(St+h,Si,t+h│It）可通过Hamilton(1994）的数值合理化算法和高斯过渡概率平滑化程序获得。

(3）多变量机制转移模型：这是多种风险资产组合条件下的波动区制模型，其中每一种资产都用一条马尔科夫链刻画其波动区制。此类模型定义如下：

其中：st和sjt,j=1，…，N均是独立的马尔科夫链；εt和εjt(j=1，…，N）是独立的标准正态分布；不同资产之间的相关关系取决于贝塔系数与市场方差。例如，按照上述模型选取2种资产组合，其相关系数取决于两种资产的贝塔系数与市场方差，若st=s1t=0,s2t=1，则该两种资产的方差与协方差矩阵为：

此类模型设定不同资产之间协方差与市场模型相似地取决于组合中每种资产与市场指数的贝塔系数；任何N种资产组合的风险价值用多变量区制转移模型都求解。如选取两种资产组合，风险价值为：

其中：W是这两种资产的投资比重向量；μ（St+h,S1,t+h,S2,t+h）是风险组合资产收益的均值，其计算公式类似于波动转换机制贝塔模型，但多变量机制转移模型存在所估计模型参数个数随着组合中资产个数成指数倍增长的计算复杂化缺陷。

(4）因素转移机制模型：解决MSRM模型估计问题的方法是忽略组合中资产的特定风险波动的马尔科夫区制转移，同时扩大系数性风险源，这种方法可以称为因子转移机制模型，是与具有机制转移波动风险因子的套利定价理论一致的。

其中：Fjt代表因子j在t时刻的值；βi(sjt）是资产i相对具有马尔科夫机制转移过程的因子j的贝塔系数，且sjt(j=1，…，g）是独立的马尔科夫链；εjt(j=1，…，g）、εit(i=1，…，N）的分布是独立的。FSRM模型估计较MSRM模型更为可行，组合中每增加一种资产，仅需增加估计参数g+2，且此模型更适合于组合中资产个数较多、多样化特定风险对冲的情形。此模型的方差与协方差矩阵及均值矩阵分别为：

2 研究样本与实证分析

(1）数据和样本选择。

本研究样本选取10只股票型基金每个交易日净值收益率的历史行情数据（股票型基金代码、统计日期、单位净值、复权净值、累积净值、净值日增长率），样本期间为2004年1月1日至2007年12月31日的816个观测日。数据来自中国经济研究数据库中开放式基金研究模式，缺失值采用插值法补充。

图1为股票型基金（003003）的日收益率时间序列与一阶差分图，可以看出其存在不同的波动状态，一阶差分日收益率波动幅度表现为有所下降和平滑度增强。样本其它股票型基金均可以看到同样的特征。

表1为股票型基金样本时间序列的平稳性和正态性检验，可以看出所有10只股票型基金净值日收益率时间序列均无法通过Jarque-Beta正态性检验（JB在5%置信区间下的临界值是10.59），表现出具有偏左和长尾的分布特征；单位根检验采取一般常用的ADF单位根检验方法，表1给出30个序列中10只基金的单位根检验结果，ADF表示不含截距和趋势项，ADFc表示只含截距项，ADFt表示含截距和趋势项，检验数据表明不管是否含有截距或趋势项，所有样本序列均是不存在单位根的平稳序列。

(2）股票型基金日收益率执行风险价值估计分析。

(1)设定上述所有模型的区制转换概率恒定且遵循一阶马尔科夫过程，区制0代表低波动机制，区制1代表高波动机制，采用最大似然估计、Hamilton过滤法和平滑化概率估计上述各种模型参数，运用Hamilton(1989）提出的一种根据前一时刻区制概率估计后一时刻所处区制概率的循环优化程序（波动机制转换概率推导详见Hamilton(1994）的过滤与平滑化算法[4]），估计结果取决于过滤器的参数设定。运行过滤器可以取得所估计参数的对数似然值，过滤器按照参数设定的显著水平逐步循环合理化，直到取得估计参数最大似然值，并据以给出时间序列处于某一个区制下的概率。对样本选取的10只股票型基金分别运用Hamilton过滤与平滑化算法估计区制转移概率和不同区制下的参数，过滤器自动合理化循环次数平均达到30次，最大对数似然值落在区间[100,200]内，不同区制下的参数μi(0），μi(1）和σi(0），σi(1）的估计结果差异较大，且同种区制下参数估计值比较稳定。

图2为基金市场综合指数在2006年2月23日至2007年3月25日期间在0区制下的波动区制转移概率图，显示了基金市场综合指数日收益率的波动呈现出高波动与低波动两种变动区制，高波动和低波动区制下的均值和方差均存在明显的差异，两种区制的稳定概率值分别为0.8412和0.9844，而且高波动区制占据整个观测期区90%以上，这与观测样本期间内股票市场的高波动特征相吻合。本文选取的10只股票型基金的区制转移概率估计结果表明低波动区制与高波动区制之间的转移，从频繁的低波动变为频繁的高波动，部分时段显示了高收益率水平存在低波动而低收益率水平存在高波动的情形。

(2)为了避免模型误设而导致参数估计失实，本文运用Hansen(1992）似然比检验对包含不可识别噪声参数p和q的波动区制模型参数的显著性进行检验，克服了引入噪声参数后传统的似然比检验统计量渐近有偏于传统的经典分布而不能适合于模型的有效性检验的局限性，并运用Wald检验区制参数估计的稳定性。表2为因子区制转移模型参数的估计结果、模型估计的对数似然值和Hansen检验统计量与Wald检验统计量的数值，发现不同波动区制下的均值、方差、贝塔系数和扰动项在统计上存在显著差异。对于不同的因子区制转移模型分析的样本点数，高收益区制下的波动水平明显高于低收益区制下的离散程度,持续处于高波动区制下的概率低于持续处于低波动区制下的概率。随着样本点数增加，模型参数估计的对数似然值呈现单调递增，显示了模型参数估计具有较高稳定性和模型设定的变量特征关系准确性。

(3)将600个观测日分为两个系列：前200个观测日和以后其余观测日。基于前200个观测值估计第二个子系列在不同置信水平1%、2.5%和5%的每日风险价值，且样本每增加30个观测日，模型参数运用Hamilton过滤法与平滑化算法重新估计，但模型参数估计忽略波动区制转移的期间依赖性而用相同的模型参数和日间区制转换概率，如图3。表2因子区制转移模型参数的Hansen稳定性检验结果表明各参数检验统计量都在99%水平下显著，从而佐证了区制转移模型参数设定的稳定性。而市场风险贝塔系数模型也执行相同方案的风险价值估计。模型的风险价值VaRi=βi,mVaRm；其中：VaRm是基金市场指数的风险价值；βi,m是股票型基金i相对于基金市场指数的β系数。运用极大似然方法估计波动区制模型，对所选样本期间10只股票型基金日收益率数据估计结果表明，所有参数和检验统计量都在99%置信水平上显著。

注：所有估计结果均在99%水平下显著，对庆的P值均<0.0005。

(4)对波动区制模型和贝塔系数模型所估计的风险价值执行例外观测值分析，并对不同模型在200个观测日基础上的风险价值估计在1%、2.5%和5%的水平上观测其例外观测比率是否于理论置信度相符。

单因素波动区制转移模型的风险价值控制曲线比市场贝塔系数模型能够更快速准确地控制收益率的波动区制变化，区制模型估计的风险价值敏感区间平均在30个观测日内，而贝塔模型估计的风险价值敏感区间平均在50个观测日，图4显示了不同市场波动区制伴随着不同的收益率水平，体现了嵌套贝塔模型的区制模型刻画的不同区制转移特征能够更精确地描述风险变动的规律，弥补了贝塔模型缺乏考虑市场区制波动因素而降低了风险波动的捕获能力。

表3数据表明两种模型在1%和2.5%置信水平上均低估了风险水平，在5%置信水平上高估了风险水平，但单因素波动区制转移模型对风险估计的偏误程度较低。通过比较例外观测值在估计风险价值约束条件下置信水平和理论置信水平值的均值绝对误差，可得出区制转移模型风险价值估计值相当精确地接近于理论值，且在不同置信水平下不会持续低估或高估风险水平，而市场贝塔模型刻画的股票型基金日收益率例外观测值显著偏离理论值，即意味着高估或低估了风险。

通过计算两种模型在预测区间风险价值的均值与标准方差，单因素区制转移模型的均值和标准方差为3.3632、3.7311、4.0431和0.4524、0.3747、0.4246，市场贝塔系数模型的均值和标准方差为3.3518、3.7010、3.9166和0.5404、0.4207、0.4398，这意味着单因素区制转移模型具有更稳定、更准确的风险控制能力。

3 结论

本文应用马尔科夫波动区制转移模型分析股票型基金非正态收益率分布的风险价值估计和预测。采用10只股票型基金日收益率数据和波动区制转移模型估计不同置信度水平的风险价值，并与市场贝塔系数模型估计结果比较发现，波动区制转移模型对于每一个置信水平和每一种股票型基金的风险价值估计结果相当接近于理论值，并对每一个置信水平没有持续低估或高估风险，表明单因素区制转移模型的风险价值估计精度优于市场风险贝塔系数模型，意味着波动区制转移模型能够较好地解决我国股票型基金日收益率的条件非正态分布、波动持续性和相对不频繁事件影响等问题，同时也表明在预测过程中引入条件信息，能够更好地拟合时间序列，刻画波动区制聚簇的持续性特征，借助时间条件预测分布能够提供更精确的波动拟合与预测。本文提出的波动区制转移模型是市场贝塔系数模型的改进和推广，更好地揭示了收益率时间序列非正态分布的向下风险的控制和拟合。

尽管本文在方法研究上获得一定的进步，但是在提供市场风险的更精确控制手段方面不乏存在许多不足，如从理论的角度阐明不同区制下均值的形成机理、马尔科夫区制个数的设定检验、波动误差项是否存在自回归、拓展单因素区制转移模型至多因素波动区制转移模型，实时地更新模型参数的配套估计值，模型引入波动区制误差项的振动因素和聚簇因素，因此这些不足方面也将成为笔者有待深入研究的攻艰课题。

摘要：运用马尔科夫区制转移模型对我国股票型开放式基金收益率波动进行了风险评估和短期预测。采用晨星评级净值收益率前10只股票型基金跨期四年共816日交易数据,进行风险价值计量;并将计量结果与市场贝塔系数模型进行比较分析。通过失败比例测试证实了波动状态转移风险控制模型的风险度量与控制能力显著优于市场贝塔系数模型,丰富与提升了资本资产定价理论的内涵,一定程度上提高了我国投资组合风险波动的控制、拟合和预测的精确性。

3.有关住房公积金组合投资策略分析 篇三

关键词：住房公积金 组合投资 策略

经济发展的根本目的在于提高人们的生活水平和生活质量，尤其是近几年房地产市场的繁荣和发展，居高不下的房价不得不让人们产生畏惧心理，社会矛盾也变得尖锐起来，为了缓解社会矛盾，解决人们的住房问题，我国开始实行住房公积金制度，我国的住房公积金尚处于初步发展阶段，是在我国现有国情的基础上建立起来的，为了与国际接轨，实现住房公积金的可持续发展，对住房公积金进行组合投资已是当今世界的发展潮流。

一、住房公积金的内涵

所谓住房公积金，指的是公司或单位以及公司员工和单位职工在职期间所缴纳的长期的住房储蓄金，它是住房分配的法制化、货币化以及社会化的主要形式，是社会保障制度的重要组成部分，根据我国的相关法律规定，单位和职工有缴纳住房公积金的义务，这里所说的单位包括外商投资企业、国有企业、城镇集体企业、国家机关、城镇私营企业，还包括民办非企业单位、事业单位、城镇企业、社会团体。

二、新加坡住房公积金的投资模式分析

新加坡在对公积金的投资管理上，有着先进的理念和发展模式，对于我国住房公积金制度的完善有着极强的借鉴意义，同时，新加坡的住房公积金投资模式也很好的为我国住房公积金的投资指明了方向。下面我们简单地分析一下新加坡住房公积金的投资模式。

（一）住房公积金直接受中央公积金局管理

在新加坡，中央公积金局对住房公积金进行直接管理和投资，以建立基金为主要手段，通过发放非交易型政府债券进行融资，根据规定，政府债券的利率的计算方式为，对银行一年定期存款的利率与储蓄存款的利率进行加权平均，所得到的就是政府债券的利率，每个季度都要对利率进行一次修订。依据新加坡的相关法律政策规定，公积金资产可以获得2.5%的名义最低回报率，特殊的账户可以在普通账户的收益率之外获得1.5%的附加回报率。

（二）住房公积金的投资权归个人所有

新加坡对住房公积金的投资实行自主投资，就是说个人拥有对住房公积金的投资权，可以自行决定住房公积金的投资意向，其主要目的就是分散住房公积金的投资风险，提高个人对住房公积金投资的积极性和主动性。这种投资方式不仅灵活，而且投资的范围也比较广泛，包括保险、股票、黄金、债券、信托基金等。

（三）住房公积金的保险基金

新加坡住房公积金的政策规定，中央公积金拥有许多个保险计划，比如家属保险、住房保险、大病医疗保险等等，保险计划基金主要用于投资外包给资产管理公司，包括可转让存款凭证、定期存款、股票以及债券等。

三、我国住房公积金的投资策略

住房公积金的投资需要遵循国家的相关政策和规定，进一步完善住房公积金的财务会计和预算管理制度，加强对住房公积金使用的管理，努力做到专款专用，严防腐败行为的发生。新加坡的公积金投资模式为我国住房公积金的投资提供了发展的目标和方向，实践证明，唯有保证住房公积金的保值、安全以及增值，才能够增强住房公积金抗拒風险的能力。从我国的国情出发，我国住房公积金的投资可从以下几个方面进行：

第一，加大住房公积金对住房建设的投资，在相关规定的范围内，为经济适应房的建设提供必需的贷款，同时购买专门用于经济适用房建设的债券，这样能够确保住房公积金增值，又能节约经济适用房的成本，减轻低收入家庭的购房负担。

第二，加强住房公积金与市场的联系，开发新的经营模式，引入商业运作的概念，在现有的政策允许的投资领域（包括购买国债、定期存款和职工贷款等）内，最大限度的发挥住房公积金投资的效益，实现住房公积金增值的目的。

第三，模仿新加坡中央公积金的办法，建立我国国情相符合的全国性住房公积金，比如在房地产发展相类似的区域，成立一个公积金管理中心，以它为中心向周围区域辐射，进行统一管理。住房公积金在全国范围内统一流通，参与资本市场运作，可以有效提高住房公积金的使用效率，实现住房公积金的增值和保值。

四、总结

住房公积金投资的意义在于让职工享受政策性贷款，从而改善居住环境，同时公积金的保值和增值上缴当地政府，作为廉租房建设的补充资金。我们在对住房公积金进行投资规划时一定要谨而慎之、思前虑后，对当前的金融市场进行充分的调查之后再决定自己的投资方向，而不要盲目投资。对于住房公积金的投资，应当优化投资方式，采用世界上先进的投资组合理论，结合当前我国经济发展的实际以及金融市场的发展前景，谨慎规划好投资意向，保持对投资市场的冷静和理性。

参考文献：

[1]井欢,白丽华.论住房公积金的风险管理[J].经济师,2007(03)

[2]荣喜民,宋庆凤.住房公积金的组合投资研究[J].山西大学学报(自然科学),2008(3)

[3]柏高原.新加坡社会保险基金投资于监管制度的启示[J].医学与社会，2011(24)

4.《投资组合选择》感想 篇四

在本文中，还推导出一条capitalline的曲线，也是利用数学上切点是距离最近的基本知识来推导。由此找到了在每条代表不同预期收益率的isomean line上，与椭圆交点，也就是与直线垂直那一点的连线，是同等预期收益率下风险最小的点。

其实在我们日常生活中，很多事情都能通过这个投资组合理论的方式来进行解释，从前它也许只是一个潜意识的概念，但当我开始学习经济学，对很多事情能够从经济学的角度来进行更深入的理解，这可能就是经济学给我们带来的思维方式上的转变。

文中还提到一点，我们提倡进行分散化的投资，这并不仅仅意味着在数量上的分散，更意味着在投资方式、投资内容上的分散。比如，如果投资六家石油公司（假设该公司没有除了石油之外的业务），尽管数量众多，但都是石油行业，他们面临的外部性风险很可能是一致的，比如国际油价的波动、环境气候的压力、不可控因素的影响等等。如果在投资的时候分别选择石油、天然气、核能等多种能源进行投资，他们彼此之间会有一定的替代作用，即当石油行业发展下行时，往往我们需要替代的能源，比如天然气，再比如核能，这时候天然气或核能的发展是不是能够在一定程度上对冲我们对石油的投资损失。

5.债券型基金投资组合的常见品种 篇五

最近我在购买债券型基金时，发现债券型基金投资的许多品种都不是十分熟悉，比如很多基金投资于央行票据。贵报能否介绍和比较一下债券型基金投资组合的常见品种以及它们的期限、收益特征。

债券型基金主要投资于固定收益类金融工具，包括国内依法发行和上市的国债、央行票据、金融债、企业(公司)债、可转换债券、资产支持证券等。

国债是由国家发行的债券，是中央政府为筹集财政资金而发行的一种政府债券，是中央政府向投资者出具的、承诺在一定时期支付利息和到期偿还本金的债权债务凭证。由于国债的发行主体是国家，所以它具有最高的信用度，被公认为是最安全的投资工具。

央行票据即中央银行票据，是中央银行为调节商业银行超额准备金而向商业银行发行的短期债务凭证，其实质是中央银行债券。之所以叫“中央银行票据”，是为了突出其短期性特点(从已发行的央行票据来看，期限最短的为3个月，最长的.也只有1年)。央行发行票据的目的是为了回笼资金，将市场过剩资金冻结在中央银行，以缓解市场所面临的通胀压力，属货币政策的一种。

金融债券是由银行和非银行金融机构发行的债券。由于银行等金融机构在一国经济中占有较特殊的地位，政府对他们的运营又有严格的监管，因此，金融债券的资信通常高于其他非金融机构债券，违约风险相对较小，具有较高的安全性。所以，金融债券的利率通常低于一般的企业债券，但高于风险更小的国债和银行储蓄存款。

企业债是指从事生产、贸易、运输等经济活动的企业发行的债券。中国企业债券目前主要有地方企业债券、重点企业债券、附息票企业债券、利随本清的存单式企业债券、产品配额企业债券和企业短期融资券等。

8月14日，证监会颁布实施了《公司债券发行试点办法》，标志着我国公司债发行正式启动。公司债目前就是上市公司发的债。企业债主要由国家发改委审核，而公司债则由证监会来进行审核。与企业债相比，公司债风险大一些，一般上市公司没有信用评级，而债券投资主要来自信用风险，因此，为了弥补信用风险就提高了相应的利息率。

可转换债券是可转换公司债券的简称。它是一种可以在特定时间、按特定条件转换为普通股票的企业债券。可转换债券兼有债券和股票的特征，具有债权性、股权性和可转换性。可转换债券持有人还享有在一定条件下将债券回售给发行人的权利，发行人在一定条件下拥有强制赎回债券的权利。双重选择权是可转换公司债券最主要的金融特征，它的存在使投资者和发行人的风险、收益限定在一定的范围以内，并可以利用这一特点对股票进行套期保值，获得更加确定的收益。

6.证券投资组合分析报告 篇六

研究了模糊环境下基于效用函数的有效资产投资组合的收益率模型,模型建立在可信性分布的基础上,而不是概率分布或可能性分布基础上.给出模糊环境下基于可信性分布的`n种资产的最优投资组合问题的混合智能算法以寻找某种效用函数意义下的最优组合.并以实例仿真说明该方法的有效性.

作 者：阿春香 刘三阳 A Chun-xiang LIU San-yang 作者单位：阿春香,A Chun-xiang(肇庆学院,数学系,广东,肇庆,526061)

刘三阳,LIU San-yang(西安电子科技大学,理学院,陕西,西安,710071)

7.证券投资组合分析报告 篇七

一、行为决策理论的兴起

自Herbert A.Simon于1983年将行为决策理论引入我国后, 关于行为的研究一时风靡学术界, 产生了行为金融学、行为经济学、行为财务学等学科。追溯行为决策理论的起源, 要从阿莱斯悖论和埃尔斯伯格悖论的提出开始, 这两个悖论引发学术领域对人类实际“决策过程”的研究。随着心理学的发展, 心理学被引入到了经济学、管理学的研究之中, 使很多谜团得到解释。“行为决策理论”之父Edwards (1961) 总结了1954年以后的实验研究, 提出了“决策权重”的思想, 对后续研究产生了重大影响。随后, 行为学研究进展并不大, 直到20世纪70年代, 2002年诺贝尔经济学奖获得者Kahneman和Tversky的研究成果, 使行为决策理论得到学术界广泛认可。之后, 行为决策理论研究视野不断扩大, 微观、宏观经济决策和管理决策研究成果丰富, 尤其是在证券投资领域取得突破性进展。

不同于建立在“经济人”假设之上的理性决策理论, 行为决策理论假设人是“社会人”, 面对时间和资源的限制, 采取的是定量和定性相结合的方法, 寻求满意解。行为决策理论通过研究决策者的认知和心理过程, 也就是在传统决策理论中加入行为变量, 使其得到修正和完善。即传统的理性决策理论是行为决策理论的特例。行为决策理论的研究范围涉及行为科学、认知心理学和管理科学, 它将是这些学科未来的研究方向。

目前, 国内外大多数研究者已不再研究和批判“理性决策”理论的不足, 主要致力于发现各种行为变量, 据此修正理性决策模型, 而且善于吸收本学科和其他学科的新理论和新方法, 使行为理论的研究外延扩大了很多, 这些丰富的研究成果为决策者提供更切实际的决策依据。当然, 要在实际运用中检验新模型, 进一步修正模型, 并且寻找该模型的新推论, 再论证其对误, 如此不断深入。

二、行为决策理论对投资者“行为”的研究

行为经济学提出的“多心理账户”投资决策理论, 认为在不同心理账户中, 人们具有不同的风险偏好。如著名经济学家Shefrin和Statman就在论文中把人们的收入分成三类, 即固定的薪酬收入、资产收入和未来收入, 并按这些不同收入的现有价值来消费, 这就是“多心理账户”决策的体现之一。

本文所说的“行为”指的是投资者的各种心理特征, 这些心理特征会使投资者的投资决策偏离理性。“行为”是行为决策理论需要不断发掘的对象, 目前学术界已经有较多的文献提出了各种“行为”。被发现的行为之一就有“损失厌恶”心理, 如对于一个投资者来说, 若未来财富低于预期, 他就觉得遭受了损失, 此时投资者的心理主要是要避免损失, 故而往往会产生冒险行为, 成为风险进取型投资者;反之, 就是风险回避型的。“过度乐观”也是一个在投资决策中经常出现的重要的心理特征, 大多数投资者习惯于相信自己有超常人的感知、判断和决策能力, 从而相信自己的决策优于别人。投资者的决策过程和行为中还会表现出“后悔规避”的行为特征。Bernard分析了上市公司信息披露对股票价格的影响, 研究结果表明投资者对企业的收益没有太大反应, 而对其他较好的或熟悉的信息反应较为敏感, 至于与自己的预期或判断不一致的信息, 则会被回避掉。

目前研究者发现的“行为”还在不断增多, 而且大多数研究者的研究成果也还停留在对“行为”的寻找上。但是, 如何将这些“行为”引入投资者的决策过程, 研究其对投资者决策的影响, 并力图避免其负面影响, 这才是学术研究的重点。但是国内外这样的研究成果还比较少, 本文试图在这方面进行探索, 建立一个股票投资组合的行为决策理论分析模型。本文的模型是一个框架模型, 而且仅仅涉及股票, 属于行为投资组合研究的一个初步探索。

三、股票投资组合的行为决策理论分析模型

在学术界, 关于行为决策研究目前主要有两个主流分析模型:一是采用经济学的理论, 从效用最大化的角度展开;二是从收益—风险的角度展开, 在收益一定情况下追求风险最小, 在风险一定情况下追求收益最大。本文采用第一种模型, 一般是通过将人类的情感、认知等行为通过数学处理后引入效用函数, 力求新的效用函数能更好地描述投资者的行为。比较出名的效用函数有CRRA型效用函数。本文在这个思想的启发下, 通过量化“行为因素”对股票投资组合的影响, 建立一个基于期望效用最大化的股票投资组合的行为决策理论分析模型。

由于投资者具备各种各样的“行为”, 要想把所有行为一起考虑在目前的研究现状下是很难实现的。一般来说, 投资者会表现出一种主要行为, 而且只有研究好了单种行为的影响, 才可能把所有行为一起考虑。因此, 本文只研究单种行为对股票投资组合决策的影响。

其一, 建立“行为”效用函数。针对每一种典型的“行为因素”, 修改投资者的效用函数, 使效用函数能够反映投资者的行为特征。如新的效用函数可表示成u (c, si) 或者u (w, si) 的形式, 其中w表示财富, c表示消费, si表示一种或多种行为特征。本文用财富的多少和变化来衡量投资者的效用, 主要是期末财富的数量和各种“行为投资者”的主观认为即将获得的财富 (主观财富) 和期末财富的对比, 建立期望效用最大化模型为:

其中, 为投资者的投资决策所实现的期末财富;W'主观财富;同时, 定义投资者的初始财富为W0。这里要注意, 由于投资者大多是多阶段地进行投资的, 但也有只投资一期的情况, 故模型分为单期和多期两类。为研究方便, 本文只考虑单期, 多期应考虑所有阶段的效用最大化。

关于如何表达, 采用对数效用函数, 定义纵向代表性偏差型投资者的效用函数为:

式 (2) 中, 第一项是传统的风险厌恶型的对数效用函数, 表示投资者实现的期末财富的效用;第二项中v (·) 是价值函数, 表达了期末财富相对于主观财富的变化;kv (·) 表示效用变化, k≥0;k度量了超额代表性收益对整个效用的贡献率, 当k=1时, 说明投资者认为财富的变化和最终财富的绝对值是同等重要的, 特别地, 当k=0时, 投资者的偏好所表现的效用函数退化成为了传统的固定不变的相对风险规避系数, 即CRRA型效用函数。

其二, 描述“行为变量”。研究如何用v (·) 表达各种“行为”, 即用数学的语言来描述各种“行为投资者”在财富变量的作用下的效用分布。如Kahneman和Tversky的财富变化价值函数:

Bell建立的后悔规避函数:

式 (3) (4) 中, x是财富变化。目前, 如何描述投资者行为是研究的重点, 需要借鉴心理学的研究成果, 可采用实验手段, 最终获得投资者的各种“行为”函数。

其三, 确定主观收益率。需要研究如何表示主观财富W′。由于:

其中r'为各种“行为投资者”主观认为即将获得的收益率 (主观收益率) , 所以这一问题转化为如何确定r'。关于r'的确定, 本文总结和提出三种方法:

(1) 期望收益率。

(2) 行为者决策心里模拟法。如“纵向代表性偏差”型投资者的收益确定方法。因为纵向代表性偏差为将某一事物当前的局部特征作历史的比较, 在其历史发展轨迹的角度上, 判断和预期事物的未来走势。为此, 模拟其决策思维为:投资者选取股票过去的历史收益率数据, 将与今年某些特征相似的股票选出来作为参考, 把股票过去的绩效当作未来的代表, 进行错误的趋势预测。按从小到大的顺序将某一投资组合所含资产的N年历史收益率, 表示为r1, r2, ..., rn, 分别赋予权重η1, η2, ...ηn, 且η1<η2<ηn, N由投资者根据具体情况而定, 则收益率为:

(3) 公式法。收益率的计算公式为:

其中P0为投资者所持股票的期初价格, D为资本利得;而真正起作用的是PT, 即股票在持有期期末的价格, 它考虑了投资者的“行为因素”, 如杨春鹏提出的“过度自信”投资者的PT为:

其中, 假设股票的终值为服从均值为, 方差为σp的正态随机变量p;φ为有信息投资者的过度自信系数;ε为均值为0, 方差为σε的正态分布, 并与θ相互独立。

其四, 计算各股票的权重。假定时间是两期的, 市场无摩擦, 并且没有卖空约束。假设在期初存在N种股票, 其期末收益率为:, 则:

θj为投资在第j种股票上的比例, 且满足, 最终目的就是要确定θ。

式 (2) 中k的确定, 可以通过实验和经验数据统计法获得。将上述前文的行为变量及主观收益率带入式 (2) 可建立一个关于θ的方程, 下面需要做的是此方程的求解。可采用各种数学算法, 如遗传算法, 也可采用逼近方法将方程简化为常规方程求解, 还可借用传统投资组合模型确定最佳组合的方法, 即有效集和无差异曲线相交法。此方面需要后续做进一步的研究, 很值得探索。

四、结论

本文将行为决策理论引入股票投资组合决策的研究领域, 研究如何通过考虑投资者的“行为”以建立更符合实际的投资组合选择模型, 最终确定投资者对各股票的选择权重。首先, 论述了行为决策理论的兴起、发展过程及当前的主流研究模式;其次, 总结了现有研究中涉及到的一些主要“行为因素”;再次, 在效用最大化分析框架下, 建立了一个股票投资组合的行为决策理论分析模型。值得注意的是, 本文建立的仅仅是一个框架模型, 后续可在此框架下进一步研究各种“行为投资者”的投资组合选择, 而且应当考虑将所有行为变量一起考虑, 建立一个符合实际的投资组合选择模型。

参考文献

[1]普劳斯著, 施俊琦、王星译:《决策与判断》, 人民邮电出版社2004年版。

[2]Edwards W.Behavioral decision theory, Annual Review of Psychology, 1961, 12:473~498

[3]Tversky, A., Kahneman, D., 1974, Judgment Under Uncertainty:Heuristics and Biases, Science, 185, 1124-1131.

[4]荆其诚。杨玉芳:《一位获诺贝尔奖的博学大师——贺伯特, A.西蒙院士》, 《科技导报》2001年第5期。

8.证券投资组合分析报告 篇八

关键词 投资组合;理想点法;线性规划;有效解;有效边界

中图分类号 F830文献标识码:A

1 引 言

投资决策的核心问题是收益与风险,在均衡无套利的市场中,投资者在高风险高收益和低风险低收益之间,根据自己对收益和风险的偏好进行着权衡.1952年,Markowitz发表了奠基性的论文“Portfolio Selection”^[1],并在该文中,最早提出了投资组合的均值-方差(Mean Variance,简记为MV)模型.在该模型中,用预期收益来衡量投资组合的收益,用预期收益的方差来衡量投资组合的风险.MV模型主要表现为两种模型:风险给定的情况下收益最大化单目标优化模型;收益给定的情况下风险最小化单目标优化模型.Arenas^[2]等人提出了一种求解投资组合模型的模糊目标规划方法.Huang^[3]等人给出了求解不确定性投资组合选择模型的一种新方法.Wang^[4]等人研究了一系列的模糊投资组合问题,并且对于实例给予相关理论分析和探讨.Bilbao^[5]等人对于投资组合选择模型提出了一种模糊折衷规划方法.而本文主要是在MV模型的基础上,构建一个收益和风险在一定范围内的双目标线性模糊优化模型:即通过投资比例调节幅度把普通约束条件(各个投资比例和为1)转化为模糊约束条件(各个投资比例和接近1).然后,应用极大模理想点法来求解该模型.最后,给出一实际例子,说明该文所给出的极大模理想点法可行的,有效的,并且比文献[6]所提出的方法更优越.

2 模型描述

投资者进行投资i(i=1,…,n)种风险资产,他们的收益率,风险损失率和所占的投资比例分别为:ri,σi,xi(i=1,…,n).现要求利润率r达到a以上, 风险σ控制在b以内.那么对应的双目标线性规划模型为:

经 济 数 学第 27 卷

第3期邓 雪等:基于极大模理想点法的投资组合决策模型分析

min σ=∑ni=1σixi,

max r=∑ni=1rixi,

s.t. ∑ni=1σixi≤a,

∑ni=1rixi≥b,

∑ni=1xi=1,

xi≥0,i=1,2,…,n.(1)

同时,注意到投资者选择如何配置风险资产来最好地符合他对风险和收益的权衡,并不一定要求投资比例和一定为1.即根据实际情况,为达到对风险和收益的权衡,投资比例和可以大于1,也可以小于1.那么可以把对于权重的等式约束转化为不等式约束,更加符合实际情况.即把模型(1)转化为双目标模糊线性极小化模型:

min σ=∑ni=1σixi,

min (-r)=-∑ni=1rixi,

s.t. ∑ni=1σixi≤a,

∑ni=1rixi≥b,

∑ni=1xi≤1+μ,

∑ni=1xi≥1-μ,

xi≥0,i=1,2,…,n,(2)

其中μ为投资比例调节幅度,调节幅度μ的大小可以根据投资者的个人偏好程度来确定.

3 极大模理想点法介绍

3.1 极大模理想点法基本思想

为简化记号,把一种决策变量用向量形式表示:x=(x1,…,xn)T;用向量形式表示m个目标函数,简称为模型的向量目标函数:f(x)=(f1(x),…,fm(x))T;可行域:X.从而,多目标极小化模型记为

min x∈Xf(x).(3)

对于多目标极小化模型,为使各个目标函数均尽可能地极小化,先分别求出各目标函数的极小值,然后让各目标尽量接近各自的极小值来获得它的解.设对应的m个分目标函数fi(x)(i=1,…,m)极小化后各自得到最优解xi,即:fi(xi)=min x∈Xfi(x)(i=1,…,m).若各个xi(i=1,…,m)均相同,则记x*=xi(i=1,…,m).这说明x*为模型(3)的绝对最优解,因而x*=xi(i=1,…,m)即为所求的解.

但是,在一般情况下,各个xi(i=1,…,m)不全相同,并记:f*i=fi(xi),i=1,…,m.由于各个最小值f*i分别是对应目标fi最理想的值,故通常把由它们组成的目标空间Rm中的点f*=(f*1,…,f*m)T叫做模型(3)的理想点.现在目标空间Rm中引进带权重的极大模‖•‖w

权重的极大模评价函数为:

u(f)=‖f-f*‖w

以式(4)为评价函数,把求解(3)的问题归为求解如下数值极小化问题:

min x∈X u(f(x))=min x∈X‖f(x)-f(x*)‖w

则上述极小化问题的最优解就是在问题(3)在可行域X内目标函数f(x)与理想点f*之间的“距离”尽可能小的解.因为这类求解方法主要是利用了使所考虑的目标尽可能接近问题的理想点这一思想,故叫做极大模理想点法.

3.2极大模理想点法步骤

Step1 求理想点.求出各目标的极小点和极小值:

f*i=fi(xi)=min x∈Xfi(x),i=1,…,m.(6)

Step2 检验理想点.

1)若x1=…=xm,则输出:x*=xi(i=1,…,m).

2)若x1,…,xm不全同,则进行第3步.

Step3 确定权系数.给出表示各目标fi逼近其极小值f*i(i=1,…,m)重要程度的权系数wi≥0(i=1,…,m).

Step4 极小化辅助问题.求解

min λ

s.t. x∈X,

wi(fi(x)-f*i)≤λ,i=1,…,m,

λ≥0.(7)

设得最优解(T,)T,输出.

4 应用研究

现从上海证券交易所选取5种股票进行投资,这5种股票的收益率和风险损失率分别为:r1=20%,r2=40%,r3=15%,r4=5%,r5=30%;σ1=16%,σ2=30%, σ3=12%,σ4=4%,σ5=45%.要求利润率达到20%以上, 风险控制在30%以内.那么对应的双目标模糊线性规划模型为^[6]:

min σ=16x1+30x2+12x3+4x4+45x5,

max r=20x1+40x2+15x3+5x4+30x5,

s.t. 16x1+30x2+12x3+4x4+45x5≤30,

20x1+40x2+15x3+5x4+30x5≥20,

x1+x2+x3+x4+x5≤1.05,

x1+x2+x3+x4+x5≥0.95,

x1,x2,x3,x4,x5≥0.(8)

模型(8)可以被转化为极小化模型(9):

minf1=σ=16x1+30x2+12x3+4x4+45x5,

minf2=-r=-20x1-40x2-15x3-5x4-30x5,

s.t. 16x1+30x2+12x3+4x4+45x5≤30,

20x1+40x2+15x3+5x4+30x5≥20,

x1+x2+x3+x4+x5≤1.05,

x1+x2+x3+x4+x5≥0.95,

x1,x2,x3,x4,x5≥0.(9)

现根据极大模理想点法来求解上述模型:

Step1 求出各目标的极小点和极小值:

x1=(0,0.435 7,0,0.514 3,0)T,

f*1=f1(x1)=15.128 2,

x2=(0,1,0,0,0)T,

f*2=f2(x2)=-40.

Step2 x1≠x2,则进行第3步.

Step3 确定权系数.取

w1=0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1,

w2=1-w1.

Step4 求解

min λ

s.t. w1(16x1+30x2+12x3+4x4+45x5-15.13)≤λ,

w2(-20x1-40x2-15x3-5x4-30x5+40)≤λ,

16x1+30x2+12x3+4x4+45x5≤30,

20x1+40x2+15x3+5x4+30x5≥20,

x1+x2+x3+x4+x5≤1.05,

x1+x2+x3+x4+x5≥0.95,

x1,x2,x3,x4,x5≥0,

λ≥0.(10)

由Matlab,对于不同的权重,得到结果见表1.

根据表1中本文方法所得的数据,可得模型(9)的有效边界(见图1).

图1 投资组合模型(9)的有效边界

5 结 论

表1的数据表明:1)赋予权重不同值时,1=3=5=0,2,4≠0,并且w1>0,取得满意解时权重和∑5i=1i<1.2)当04>0,并且w1值越小,2所占的比例越大,4所占的比例越小.图1表明模型(9)的有效边界几乎就是一条直线;收益越大,风险则越大;预期收益率r和投资风险σ之间的函数关系十分接近线性关系.

表1的数据也说明,和文献[6]的结果x*=(0,0.72,0,0.23,0)T,σ(x*)=22.526,r(x*)=29.95进行比较,本文结果包含了不同权重情况下的各种有效解;且文献[6]的结果和本文的结果w1=0.4,w2=0.6,σ=22.156 0,r=29.460 0较接近.相对文献[6]结果而言,本文结果更具广泛性,对于决策者,有更多的选择.由此说明,本文应用的极大模理想点法比文献[6]所提出的模糊线性规划法更优越,具有更大的应用价值.

参考文献

[1] MARKOWITZ H. Portfolio selection [J]. Journal of Finance, 1952, 7(1):77-91.

[2] ARENAS M, BILBAO A, RODRGUEZ M V. A fuzzy goal programming approach to portfolio selection [J]. European Journal of Operational Research, 2001, 133:287-297.

[3] HUANG J J, TZENG G H, ONG C S. A novel algorithm for uncertain portfolio selection [J]. Applied Mathematics and Computation, 2006, 173:350-359.

[4] WANG S Y, ZHU S S. On fuzzy portfolio selection problems [J]. Fuzzy Optimization and Decision Making, 2002, 1:361-377.

[5] BILBAO A, PREZ B, ARENAS M, RODRGUEZM V. Fuzzy compromise programming for portfolio selection [J]. Applied Mathematics and Computation, 2006, 173:251-264.

[6] 李曦,郑华盛.利用模糊数学建立的股票投资策略[J]. 南昌航空工业学院学报:自然科学版, 2003, 7(4):90-93.

|[7] 胡毓达.实用多目标最优化[M].上海:上海科学技术出版社,1990.

Analysis on Portfolio Decision Model Based

on Maximum Module Ideal Point Method

DENG Xue1,2, LI Rong-jun2

(1. School of Business Administration, South China University of Technology, Guangzhou,

Guangdong 510640,China;2. Department of Mathematics, School of Science, South China University

of Technology, Guangzhou, Guangdong 510640,China)

AbstractBased on Markowitz’s mean-variance portfolio model theory, we proposed a bi-objective linearly fuzzy optimal model with bound constraints of expected return and risk, and tried to solve it by using maximum module ideal point method. Finally, a numerical example of portfolio model was given to illustrate the proposed model. Compared with the fuzzy linear programming method used in reference, the results show that the used maximum module ideal point method is feasible and effective, andmore comprehensive effective results can be obtained by using maximum module ideal point method.

9.公积金组合贷款报告 篇九

借款申请人基本情况：

借款人姓名：陈晓伟 性别：男 身份证号：***013 婚姻状况：未婚 工作单位：湖北省外国企业服务公司、武汉市昌龙视听系统工程有限公司 税后月收入：8939.1元 职务：销售工程师、技术工程师

借款人财务状况，还款意愿及偿还能力分析：

借款人陈晓伟，男，本科学士学位，毕业于“华中科技大学”材料成型及控制工程专业，目前工作单位湖北省外国企业服务公司，任销售工程师，月收入6739.1元，同时还担任武汉市昌龙视听系统工程有限公司技术工程师，月收入2200元。借款人家庭无其他房产，经查询征信系统，借款人征信记录良好。

借款人已首付452086元，占总房款比例40.29%。本笔贷款金额17万元，期限30年，按照基准利率，等额本息还款法每月需偿还1136.73元，另外公积金部分贷款金额50万元，期限30年，公积金贷款部分每月需还款2653.63元，每月需税物业费233.38元，故家庭月负债合计4023.74元，借款人月收入8939.1元，家庭月负债占家庭月收入的45.01%，符合银监会规定。

借款人贷款用途：

用于购买位于洪山区中北路延长线蓝晶绿洲5栋2单元8层2号住宅,销售合同编号：洪110851168。

担保情况：

以位于洪山区中北路延长线蓝晶绿洲5栋2单元8层2号住宅做抵押，该房产建筑面积：116.69平方米，单价：9615.96元/平方米，房屋总价为：1122086，抵押率59.71%，（其中商贷15.15%，公积金贷款44.56%）。

调查结论： 拟同意向陈晓伟发放个人一手住房按揭贷款17万(公积金不足部分)，期限30年，等额本息还款方式，利率执行基准利率。以位于洪山区中北路延长线蓝晶绿洲5栋2单元8层2号房产作抵押，抵押率59.71%，（其中商贷15.15%，公积金贷款44.56%），该房产建筑面积：116.69平方米。

客户经理1签字：田卫东

客户经理2签字：刘鼎

10.海尔的市场营销组合策略分析 篇十

摘要

本文主要是针对海尔的市场营销策略进行了分析。具体分析了海尔集团的4P策略，即产品策略，营销策略，促销策略，定价策略，对海尔的市场营销提出针对性问题，并通过列举海尔在发展过程中所采取的策略方案来分析海尔的市场营销组合。

关键字创新理念服务型策略分析

引言

海尔集团是是世界白色家电第一品牌，1984年创立于中国青岛，现任董事局主席、首席执行官张瑞敏是海尔的主要创始人。海尔集团从1984年到2009年的25年间，创造了一个家电行业神话。截至2009年，海尔集团在全球建立了29个制造基地，8个综合研发中心，19个海外贸易公司，全球员工超过6万人。2009年，海尔集团全球营业额实现1243亿元（182亿美元），品牌价值812亿元，自2002年以来连续8年蝉联中国最有价值品牌榜首。作为民族企业，海尔的成功经验值得每个企业去学习，在此对其营销组合策略进行分析。“海尔”无疑是当今我国企业界的一颗耀眼的明星，他的成功是由许多因素造成的，但其正确而超前营销战略则具有决定性作用。海尔从创建之初到今天，营销战略在三个方面发生了根本变化，而且这种变化代表了市场经济走向成熟时企业营销战略的发展方向。另外，海尔在差异化营销策略上也费了不少心思。

营销组合策略分析

到90年代，随着企业规模的扩张，产品日趋多元化，消费者需求的变化，海尔人开始逐步认识到“企业只有在经营观念上领先，才能在市场竞争中领先，即没有思路便没有出路”。海尔对产品和产品质量问题的认识发生了质的变化。他们着手从理念上、制度上、全员意识上和生产全过程上采取措施，力争在经营观念上有所突破，随着人类所面对的生存环境日益恶化，对企业社会责任认识的进一步加深，海尔承担起一个大型国有企业应负的责任，无形的企业整体形象展示地淋漓尽致。

（一）产品策略：更新周期短，更是适应于需求

海尔文化的核心就是创新，在创新实践中，海尔探索实施的“日事日毕，日清日高”的“OEC”（Overall Every Control and Clear）管理模式、“市场链”管理及“人单合一”把100万台与1台做成一个样子。海尔建立了“从市场中来，到市场中去”的环形新产品开发机制，尽量满足客户，消费者的要求，也为了更适应市场需求，满足消费者的购买意图，以便赢取更大的市场份额。这一个体制创造了不断增加的客户，创造了市场，为了企业在赢取利润的同时，也赢取了客户的满意。

典型事例,“小神童”洗衣机，1996年，有一位客户像海尔集团来信中反映洗衣机又笨重有噪声大，而且费水费电，十分不方便。她希望有一种体型小，适合现代人的洗衣机，这封信引起了海尔集团的重视，海尔集团马上组织人员进行研发，并于1996年10月研发成功第一小型洗衣机“小小神童”，现在“小小神童”的品牌已经更新十二代，1

产销量200万台，并出口到一般不进口家电产品的日本，韩国等国家。

（二）营销策略：从“目标市场”到“目标社会公众”

最初的海尔与许多企业一样，以具体产品为营销客体，把营销对象主要定位于目标市场的消费者身上。但是随着海尔人因经营观念变化，从90年代开始，海尔人开始把营销对象的选择从目标市场的消费者扩大到目标社会公众，在广泛且可能对企业的经营目标产生影响的目标社会公众中传播、维护和完善目标企业形象，这是海尔经营观念改变的必然结果。近年来在国内市场冰箱大战、空调大战、彩电大战愈演愈烈的情况下，许多厂商都采取降价销售、“买一送一”、清仓大甩卖、特价销售等促销手段争取市场。相反，海尔集团公司下属的三大公司所开展的每次宣传促销活动则已不是针对某种具体产品而进行的，不是以短期内提高某种具体产品的销售额和市场占有率为惟一目标，而是集中于一个共同的目标———在“海尔”的目标社会公众中传 播、维护和完善“海尔”良好的企业形象，把营销范围进一步扩大。

（三）促销策略：创造感动，树立企业形象

创造感动，就是对工作充满激情；就是不断满足用户个性化需求；就是用“心”工作，对产品用心，对用户用心。海尔人一直在创造感动，正如国际著名咨询公司兰德公司专家所言：“在海尔国际化进程中，一定会以一个不断创造感动、极具凝聚力和创新变革的品牌形象，启动美好未来！”并且海尔集团资创业以来，在“真诚到永远的”的理念指导下，回报社会，一贯积极投身社会公益事业，用真情回报社会，以青岛特有的海的品质默默为社会奉献。

（四）定价策略: 注重价值，优质优价

海尔产品定价的目的是树立和维护海尔的品牌和品质形象。海尔对产品的定位是做到优质优价，不打价格战，海尔不想以价格作为卖点，而是以产品的高科技含量、多功能一体化、使用简单、完善的售后服务等为人们带来高品质高享受的生活。如果说要用什么战来形容的话，海尔打的可以说是价值战。目前的产品和企业竞争归根到底不是价格的竞争，而是综合实力的竞争———质量、个性化设计、品牌、服务的竞争。海尔不搞降价竞争，靠的是不断寻求和发展潜在的消费需求。价格并非是吸引消费者的唯一因素，也不是最有效的因素。一件商品，只要你告诉消费者它贵在哪里，如果是物有所值，就会得到消费者的认可。海尔的定价策略还依托于其强大的品牌影响力,这点在大中城市尤为明显。海尔在每个城市的主要商场,都是选择最佳、最大的位置,将自己的展台布置成商场内最好的展台形象，在中央和地方媒体上常年坚持不断的广告宣传,这其中几乎全是企业品牌形象宣传和产品介绍,对于价格则从没“重视”过。

参考文献

[1]孙建.海尔的营销策略[M].北京:企业管理出版社,2002.[2]吴佐夫.品牌营销[M].北京:中国华侨出版社,2002.[3]王永龙.21世纪品牌运营方略[M].北京:人民邮电出版社,2003.[4]凯文•莱恩•凯勒.品牌建设八大要点[J].当代经理人,2007,(03).[5]于维洋.我国中小企业发展中存在的问题及对策[J].中国科技信息，2008.2

11.证券组合投资模型优化 篇十一

[关键词] 组合投资 协方关差 投资模型 有效解

一、引言

众所周知，为了解决单阶段组合投资问题, 美国经济学家Markowitz利用一定时间内的某种证券收益率的数学期望和方差, 分别衡量该种证券的获利能力和风险, 获得了著名的Markowitz均值——方差模型中风险的衡量方法; 但在该模型的风险度量中，将证券的实际收益的不确定性、交易费用、无风险资产等实际因素不加以区分地引入风险评估，使实际收益率不论高于期望收益，还是低于期望收益，都被认为是有相同的风险。而投资活动是一种有偏向性的活动，风险损失主要来源于低于预期收益的那些投资。如果投资收益率超过投资者的预期收益则为风险报酬，投资者并无损失，反而受益。针对Markowitz模型的不足，不少学者给出了证券组合投资的改进模型，如交在期望半方差(E--Sv)风险测度条件下，针对带有交易费的投资组合优化问题进行了研究，提出了一种变形Γ-分布来描述股票的收益，给出了分布中参数的确定方法。运用目标规划的方法建立一种新的证券组合投资诀策模型。而又通过引入衡量投资者风险喜好的风险偏好参数，把区间数线性规划问题转化为确定型参数规划问题。本文通过对几种不同类型的证券组合投资模型分别考虑了收益、风险、交易费等因素条件下的优化，并对文献中的模型做了一般扩展与分析讨论，得到最优化策略的调整方案，使模型更符合实际。

二、模型介绍

1.证券组合投资的Γ——分布模型

设投资者选定n种风险证券进行投资，它们的收益率γ(1≤i≤n )是随机变量，令其分别服从Γ-分布, 即:

（1）

其中α＞0，β＞0 。由于

取最小值, 可以确定αi,βi,k,kj分别表示子样中收益率落在 [-1,y1],[yj-1,yj],[yn-1,∞]上的频数， 在此,y1,y2,…yn为股票(证券)收益率取值区间[-1,∞]上一个分割。于是第i种股票的期望收益率为：

(2)

以及收益率方差为:

(3)

相应地, 第i,j两支证券的收益率的协方差为:

(4)

令

(5)

设E[（y-p）]2和E[（y+p+1）]2表示第P种证券投资组合收益率γp的两个半方差(给出表达式)，分别记为:D-（γp）和D+（γp），则有

(6)

(7)

由此有:

(8)

i,j两种股票(证券)收益率的半协方差为:

(10)

则有:

(11)

(12)

Wi(i=1,2,…n)为第i种证券投资权因子，用D-(γp)衡量证券(股票)组合投资的风险，得到期望半方差风险度量下的证券组合模型(MOPI)

2.证券组合投资的目标规划——GP模型

设投资者选择了一种无风险和n种有风险的证券进行组合投资，用ROt表示无风险证券S0在特有期t内的投资收益率, 用Rit表示第i种有风险证券Si在特有期t内现投资收益率,在此1≤i≤n，1≤t≤T, 用x0t,x1t分别表示无风险证券和第i种风险证券Si所占总投资的比例，则n+1维向量:xit=x(x0t,x1t,xnt)为投资者在持有期内的一种证券投资组合，且，用σ表示第i收益率的标准方差，ρij表示证券i与证券j的相关系数，σij表示证券i与证券j收益率的协方差。于是，n+1种证券组合的期望收益和方差分别是:

(13)

(14)

本文考虑的问题是要求证券组合投资满足:(1)投资者尽量将全部资金投入到这n+1种资产中;(2)使总收益尽可能高(P2 ?),(3)风险尽可能小(P3)。w+i,w-i是对应偏差变量d-i,d+id在Pi层的权因子，证券组合投资的目标规划—GP模型(MOPⅡ)为:

其中d+1，d-1 分别表示投资额的正负偏差;d+2,d-2分别表示高于、低于预期收益率Re;d+3,d-3分别表示高于可承受、少于可承受的风险率;σe2表示期望方差。

3.证券组合投资的区间数线性规划模型

设投资者选择了一种无风险证券和n种有风险证券进行组合投资，分别以R0t，Rit表示无风险证券和第i种有风险证券Si在t持有期内的投资收益率，以x0t,xit分别表示无风险证券S0和第i种风险证券Si不所占总投资的比例，在此,1≤i≤n,1≤t≤T,则n+1维向量Xt=(x0t,x1t,…xnt)为投资者持有n+1种证券的投资组合，且组合投资模型为(MOPIII):

其中,表示持有期t内第i种风险证券获取收益的范围;表示证券风险的控制范围，即投资者对组合风险的承受限度;表示第i种风险证券Si风险损失率的范围，即在一个投资周期内资产在发生风险时，可能的损失在总投资中所占的百分比。

三、考虑交易费用下的组合投资模型

1.推广的Γ——分布模型

一般情况下，收益越大风险越大，也就是说投资者愿意以冒一定风险的代价来获得高的投资收益，风险能够低于他期望的风险率即可。对于总收益Rt的期望总是希望尽可能的高，远远超过预期的收益率Re。因而必须极小化其他因子,如β或qit,d+3等。设第i种证券的交易费，1≤i≤n, 其中≥0表示买入， ＝0表示不交易，＜0表示卖出。令Bi为第i种证券交易的交易费率，Bi≥0;用Cit=Bi表示第i种证券的交易费。所有风险证券在持有期内t的总交易费用为：

由于(MOPII)中的第三个约束条件是非线性的，求解较为困难，我们试图取代此条件。为此设β是第i种证券的β值，(β值作为风险衡量的影子指标)由威廉·F·夏普的资本资产定价(CAPM)模型可知，回归模型，

(20)

其中αit为第i种种证券的额外收益率指标εi不为残值收益率。

2.推广的GP模型

由最小二乘法估计可得，其中Cov(Ri.Rt)描述了第i种证券收益与总收益之间的相互变动联系，而σ2描述了整个收益的波动状况，从而能用βit反映第i种证券的风险程度，于是:

（21）

设βe为预期风险，d-3,d+3表示风险的负正偏差值，w+4,w-4为对应偏差变量d+3+k,d-3+k在P4层的权因子，从而得到MOPⅡ的推广GP模型MOPⅡ2为：

四、模型的讨论

由于证券交易的频率增高，考虑到交易费在证券组合投资中的影响，由约束条件进一步完善和线性化，从而使模型MOPI1化为具有凸性条件下的二次规划问题，于是可用有效解或对偶方法求解出满意解（最优有效解），对于模型MOPⅡ2,可将其化为凸约束条件下多目标线性规化问题;从理论上可论证其最优有效解的存在性。 对于MOPⅢ3模型，可分别化为最大范围约束解和最小范围约束解。此模型可进一步推广为带s个目标约束和k个优先级目标及权因子的线性目标规划数学模型为：

其中，P1，P2，…PK——目标的优先因子，是表示各个层次目标重要性程度的定量描述;di+,di-——正负偏差变量;w+m,w-m为偏差变量di+,di-在Pn层的权因子，n=1,2,…k. 总之，使优化后的模型存在满意解。

五、结束语

证券组合投资的模型是十分丰富的，若我们将收益、风险、交易费等因素条件下对模型进行了优化后，就可從中选择比较适合实际的优化模型，从而对各种模型定性和定量分析，并找出实际满意解(有效解),为证券组合投资作出科学决策和有效前沿提供数据，把握买入哪些证券，卖出哪些证券，创造良好的稳定的投资环境，为投资者提供参考价值。

参考文献:

[1]Markowitz H.Portfolio Selection[J].Journal of Finance 1952.7:77～91

[2]Markowitz H.Portfolio Selection:Efficient Dirersification of lnvestments[M].New.york wiley 1959

[3]汪温泉俞雪飞潘德惠:证券投资基金的一种投资组合选择模型，系统工程学报2003.6.279~282

[4]胡达沙吴炜:目标规划在证券组合投资中的应用运筹与管理2004.6.116～119